基于生活形态的用户分群研究

简介: 生活形态(Life-Style)的概念源自社会学与心理学,六十年代即有学者正式引用到市场营销领域,并运用其心理影射与多维度等特质,着力解释人口统计变量所无法解释的行为,描绘出消费者的态度与价值观等人性层面,是细分市场、深挖客户价值的利器。

生活形态(Life-Style)的概念源自社会学与心理学,六十年代即有学者正式引用到市场营销领域,并运用其心理影射与多维度等特质,着力解释人口统计变量所无法解释的行为,描绘出消费者的态度与价值观等人性层面,是细分市场、深挖客户价值的利器。因此,在网络购物迅猛发展的当下,购物网站如何把握自身产品和服务的消费者视角,并深入研究现有消费者和潜在消费者的生活形态和消费观念,同时,借用生活形态深入分析网购用户的价值诉求,对今后的发展具有重大意义。

生活形态的界定和测量方式

Engel,Blackwell & Miniard 三位学者参考许多前人意见后,将生活形态定义为“个人生活及如何分配时间与金钱等资源的模式,反映出个人所从事的活动、有兴趣的事物及对各种议题的观点”,并强调生活形态是一种综合性的观念架构,是一个人价值观和人格特质综合影响下的表现行为。有关生活形态的定义很多,简单归纳其中共通的部分可知,生活形态就是指一个人通过其活动、兴趣和观点所表现出来的整体生活方式,与其日常生活的行为模式息息相关。

目前测量生活形态最常见的方法是Wells & Tigert(1971)所发展的AIO量表,他们建议采用适当的描述语句,直接询问研究对象的活动、兴趣及观点。其中,活动(Activity)指一种具体明显的行为;兴趣(Interest)指人们对于某些事物或主体产生的兴奋程度,能够引发特殊且持续性的注意;观点(Opinion)指个人对外界环境的刺激所产生的疑问,以及所给予的口头上或文字上的回应。

利用生活形态AIO细分淘宝买家

淘宝网2009年Q3季度的买家研究中,加入了15个生活形态语句,基本涵盖了AIO的内容,因此,本文以此为基础尝试对淘宝买家进行分群研究。

对生活形态量表进行多次分析尝试后,筛选出12个语句。经项目分析可知,这些语句的得分在高低分组均存在差异,与量表总分都显著相关,Cronbach’s Alpha信度达到0.932,建构效度中KMO值为0.939,Bartlett 球形检验的 值为24513.93(df=66)达到显著,非常适宜进行因子分析。最终萃取出4个公因子,依次为保守理财/消费/社交、意见领袖、追求名牌/流行、购物倾向实惠/尝新等,累积方差贡献率为77.9%(详见下表),解释效果较强。

利用4个公因子得分对3087个有效样本进行谱系(Hierarchical)聚类分析,分别得到3-5群的分群结果,再将有效样本按照7:3的比例分成分析样本和验证样本,对分群结果进行判别分析,综合比较后,判定4群较为合适,此时3个判别函数均有统计意义,典型相关系数均在0.7左右,判别效力较好,使用组内协方差阵计算时,分析样本和验证样本的正确率分别为82.7%、85.2%,交叉核实法的正确率为82.6%;使用各组的协方差阵计算时,分析样本和验证样本的正确率分别为83.1%、85.1%,达到较高水平。

通过比较因子得分均值差异,可以给各族群命名,并结合基本人口特征(数据表格略)*、在淘宝的网购行为详细描述其特征*:

实惠派达人:他们具有意见领袖的特质,广泛关注产品和服务信息,非常愿意与他人分享,并经常指导他人购物;他们愿意尝试新品牌,喜欢物美价廉的品质好的商品。

与总体相比,实惠派达人女性更多,30岁以上的比重更大,已婚者更多,大专学历更多;他们每周浏览1次淘宝的频率明显高于总体,更倾向有购物需求才会来淘宝,大多数情况下会购买商品。

名牌达人:他们非常愿意多花钱购买名牌产品,信任广告品牌,喜欢追求流行、时髦与新奇的东西;具有意见领袖的特质,比较关注产品和服务信息,愿意与他人分享,并乐于指导他人购物。

与总体相比,名牌达人高学历更多,高收入(个人和家庭)的比重更大,31-35岁的比重更大;他们每周浏览4-5次淘宝的频率明显高于总体,更倾向平时没事就喜欢逛淘宝,大多数情况下会购买商品。

实惠派谨慎跟随者:他们的理财观念、消费观念和交友观念都偏保守;很愿意尝试新品牌,更喜欢物美价廉、品质好的商品;平时不关注产品和服务信息,不善分享购物经验。

与总体相比,实惠派谨慎跟随者女性更多,低年龄的比重更大,单身更多,低收入(个人和家庭)的比重更大;他们浏览淘宝每月1次以下的比例明显高于总体,更倾向有购物需求才会来淘宝,大多数情况下不会购买商品。

普通跟随者:他们的理财/消费/交友观念不保守;平时不关注产品和服务信息,不善分享购物经验;不论是对新品牌、物美价廉的品质好的商品,还是对名牌产品、广告品牌和流行的东西都不刻意追求。

与总体相比,普通跟随者男性更多,25岁以下的比重更大,低学历的比例更大;他们每天都逛淘宝的比例明显高于总体,更倾向平时没事就喜欢逛淘宝,大多数情况下不会购买商品。

                                                                对应分析结果

后续研究备忘

本次分析只探讨了运用生活形态细分用户,后续还将深入分析各群体用户在网购行为和心理上的差异。

另外,本次研究仅作为一种尝试,引入的生活形态语句涵盖面有待扩展,之后的调研中将不断补充,进而形成适用于网购群体的生活形态量表,更加有效地为UED发挥效用。

*本分析中借助了TGI指数进行分析,又称“倾向性指数”,可反映目标群体在特定研究范围内的强势或弱势,其基本目的是精确地描述目标群体的特征,分析消费者的购买行为、态度、生活形态和媒体接触习惯,为更有效地制定市场营销战略和广告计划提供可靠的依据。
TGI指数= [目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例]*标准数100


原文发布时间为:2013-08-23


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
SQL 分布式计算 数据管理
12款开源数据资产(元数据)管理平台选型分析(一)
12款开源数据资产(元数据)管理平台选型分析(一)
3994 2
|
程序员 人工智能 Serverless
通义灵码保姆级教程:官网、安装、使用指南、常见问题、线上活动、官方答疑
通义灵码保姆级教程:官网、安装、使用指南、常见问题、线上活动、官方答疑
21504 1
什么是封装?为什么是要封装?
什么是封装?为什么是要封装?
285 0
|
机器学习/深度学习 并行计算 算法
机器学习算法原理:详细介绍各种机器学习算法的原理、优缺点和适用场景
机器学习算法原理:详细介绍各种机器学习算法的原理、优缺点和适用场景
3959 0
|
机器学习/深度学习 数据可视化 搜索推荐
用Python进行社交媒体分析:挖掘用户行为和趋势
【4月更文挑战第12天】本文介绍了Python在社交媒体分析中的应用,包括数据处理、可视化、机器学习等方面的优势。基本流程涉及数据获取、预处理、探索、模型选择与训练、评估优化以及结果可视化。文中给出了用户行为分析、话题趋势分析和用户画像分析的Python代码示例,展示了Python在这一领域的实用性。通过学习和实践,读者可以掌握Python进行社交媒体分析的技能。
1241 4
|
机器学习/深度学习 算法 数据可视化
Python中的聚类分析以及如何使用Sklearn库进行聚类。
【4月更文挑战第20天】在Python的Scikit-learn库中进行聚类分析,包括安装库、导入模块、准备数据、选择算法(如K-means)、创建并训练模型、预测聚类、评估结果及可视化。
455 0
|
SQL 关系型数据库 MySQL
阿里云DRDS--MySQL中间件总结分享
mysql作为互联网公司都会用到的数据库,如果在使用过程中出现性能问题,会采用mysql的横向扩展,使用主从复制来提高读性能,要是解决写入问题,需要进行分库分表。本文不会去介绍mysql的高可用,本文主要介绍mysql的访问中间件(DAL)的一些实现方案。
2453 75
阿里云DRDS--MySQL中间件总结分享
|
机器学习/深度学习 数据采集 人工智能
人工智能中噪声数据的产生与处理方法详解
人工智能中噪声数据的产生与处理方法详解
1321 0
|
机器学习/深度学习 算法 前端开发
【机器学习基础】机器学习的模型评估(评估方法及性能度量原理及主要公式)
【机器学习基础】机器学习的模型评估(评估方法及性能度量原理及主要公式)
1556 0
|
索引 Python
获取dataframe的第一行
在pandas中,可以使用`iloc`函数获取dataframe的第一行。以下是一个例子
1234 0